基于密集连接神经网络和长短期记忆网络的赖氨酸戊二酰化位点的预测

戊二酰化是近些年报道的一种发生在赖氨酸残基上的蛋白质翻译后修饰(PTMs),在细胞功能如翻译和代谢中发挥重要作用。传统实验技术预测赖氨酸戊二酰化位点的方法耗时且昂贵,目前国内外关于赖氨酸戊二酰化位点的预测模型较少,亟须开发新的预测器。本研究中,对蛋白质序列进行编码,通过密集连接神经网络和长短期记忆网络组合模型提取特征信息,开发了一种新的预测模型Glu-DClstm。该模型独立测试集的马修斯相关系数和AUC值分别达到了0.39、0.80。与现有模型相比,该模型对非平衡数据下的赖氨酸戊二酰化位点预测效果优良。